MAR için t-testi: veri hazırlığı

Son egzersizde eksik veri mekanizmalarını sınıflandırmadaki harika çalışman için tebrikler! Üçü arasında, birçok imputasyon yöntemi verilerin MAR olduğunu varsaydığı için MAR'ı tespit etmek muhtemelen en önemlisidir. Bu egzersiz bu yüzden MAR için test yapmaya odaklanacak.

Aşina olduğun biopics verileriyle çalışacaksın. Amaç, earnings değişkenindeki eksik değer sayısının konu kişinin cinsiyetine göre farklılık gösterip göstermediğini test etmek. Bu egzersizde yalnızca t-testi için veriyi hazırlayacaksın. Önce earnings değişkeninde eksiklik olduğunu belirten bir kukla değişken oluşturacaksın. Ardından, veriyi önce belirli bir cinsiyeti tutacak şekilde filtreleyip sonra bu kukla değişkeni çekerek cinsiyete göre ayıracaksın. Filtreleme için, konsolda biopics'in head() çıktısını yazdırıp cinsiyet değişkenini incelemek faydalı olabilir.

Bu egzersiz

R'de Atamaya Dayalı Eksik Veri Doldurma

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

biopics veri kümesine missing_earnings adlı bir değişken daha ekle; earnings eksikse TRUE, değilse FALSE olsun.
Erkekler için missing_earnings değerlerinden bir vektör oluştur ve missing_earnings_males değişkenine ata.
Kadınlar için missing_earnings değerlerinden bir vektör oluştur ve missing_earnings_females değişkenine ata.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Create a dummy variable for missing earnings
biopics <- biopics %>% 
  ___(missing_earnings = ___(___))

# Pull the missing earnings dummy for males
missing_earnings_males <- biopics %>% 
  ___(___) %>% 
  ___(___)

# Pull the missing earnings dummy for females
missing_earnings_females <- biopics %>% 
  ___(___) %>% 
  ___(___)

Kodu Düzenle ve Çalıştır

Bu egzersiz

R'de Atamaya Dayalı Eksik Veri Doldurma

kursunun bir parçasıdır

AvançadoNível de habilidade

4.7+

Kursa Ücretsiz Başlayın

In this chapter, you’ll find out why missing data can be a risk when analyzing a dataset. You’ll be introduced to the three missing data mechanisms and learn how to recognize them using statistical tests and visualization tools.

Exercise 1: Eksik veriler: neler ters gidebilir Exercise 2: Eksik verilerle doğrusal regresyon Exercise 3: Regresyon çıktısını analiz etme Exercise 4: Modelleri karşılaştırma Exercise 5: Eksik veri mekanizmaları Exercise 6: Eksik veri mekanizmalarını tanıma Exercise 7: MAR için t-testi: veri hazırlığı

Geçerli Egzersiz

Exercise 8: MAR için t-testi: yorumlama Exercise 9: Eksik veri desenlerini görselleştirme Exercise 10: Toplulaştırma grafiği Exercise 11: Spine grafiği Exercise 12: Mozaik grafik

Get to know the taxonomy of imputation methods and learn three donor-based techniques: mean, hot-deck, and k-Nearest-Neighbors imputation. You’ll look under the hood to see how these methods work, before learning how to apply them to a real-world tropical weather dataset. Along the way, you’ll also learn useful tricks that you can use to make them work even better for your problems.

Exercise 1: Mean imputation Exercise 2: Smelling the danger of mean imputation Exercise 3: Mean-imputing the temperature Exercise 4: Assessing imputation quality with margin plot Exercise 5: Hot-deck imputation Exercise 6: Vanilla hot-deck Exercise 7: Hot-deck tricks & tips I: imputing within domains Exercise 8: Hot-deck tricks & tips II: sorting by correlated variables Exercise 9: k-Nearest-Neighbors imputation Exercise 10: Choosing the number of neighbors Exercise 11: kNN tricks & tips I: weighting donors Exercise 12: kNN tricks & tips II: sorting variables

It’s time to learn how to use statistical and machine learning models, such as linear regression, logistic regression, and random forests, to impute missing data. In this chapter, you’ll look into how the models make their predictions and use this knowledge to draw the imputed values from conditional distributions. This is important as it ensures your imputations are more varied and plausible, making them more similar to the true data.

Exercise 1: Model-based imputation approach Exercise 2: Linear regression imputation Exercise 3: Initializing missing values & iterating over variables Exercise 4: Detecting convergence Exercise 5: Replicating data variability Exercise 6: Logistic regression imputation Exercise 7: Drawing from conditional distribution Exercise 8: Model-based imputation with multiple variable types Exercise 9: Tree-based imputation Exercise 10: Imputing with random forests Exercise 11: Variable-wise imputation errors Exercise 12: Speed-accuracy trade-off

Imputed values are not set in stone. They are just estimates and estimates come with some uncertainty. In this final chapter, you’ll discover how bootstrapping and chained equation using the mice package can be used to incorporate imputation uncertainty into your models and analyses to make them more reliable and robust.

Exercise 1: Multiple imputation by bootstrapping Exercise 2: Wrapping imputation & modeling in a function Exercise 3: Running the bootstrap Exercise 4: Bootstrapping confidence intervals Exercise 5: Multiple imputation by chained equations Exercise 6: The mice flow: mice - with - pool Exercise 7: Choosing default models Exercise 8: Using predictor matrix Exercise 9: Putting it all together Exercise 10: Analyzing missing data patterns Exercise 11: Imputing and inspecting outcomes Exercise 12: Inference with imputed data Exercise 13: Final remarks